ツール引数は出力トークン:MCPのトークン消費で見落とされる「書く側」のコスト(write_fileとedit_fileを実測・2026年版)
MCPのツール引数は出力トークンで、単価は入力の5倍、キャッシュも効きません。公式Filesystemサーバーで1行の変更がwrite_file 5,549トークン対edit_file 49トークンになった実測、Sonnet 5.5・Opus 5.5・Fable 5.2での料金試算、ツール間の書き写し、max_tokensでの中断、書き直しの損益分岐、置換ツールのコードまで。
最終更新:2026年11月17日 / 対象:Claude APIのツール利用と料金(Claude Sonnet 5.5・Opus 5.5・Fable 5.2)、停止理由とツール入力のストリーミング、公式MCP Filesystemサーバー(
@modelcontextprotocol/server-filesystem1.0.0)、MCP TypeScript SDK 1.32.2、o200k_baseトークナイザー(gpt-tokenizer 4.1.2)
MCPのトークン消費(MCP Token)を減らす話は、ほとんどが「入力」の話です。ツール定義を絞る、ツール結果を小さくする、プロンプトキャッシュを効かせる。けれども、ツール呼び出しには「出力」の側もあります。ツール呼び出しの引数は、モデルが1トークンずつ書いている文章です。そして現行のClaudeでは、出力トークンの単価は入力の5倍です。ファイル全体やデータ一式をモデルに書き直させるツールがひとつあるだけで、苦労して削ったツール定義の分より高くつくことがあります。この記事では、公式のMCP Filesystemサーバーでこれを実測し、料金に換算し、モデルに書かせる量を減らすツールの選び方・作り方をまとめます。
この記事の「トークン」はLLMのトークン(コンテキストと課金)のことで、APIキーやOAuthのアクセストークンのことではありません。
結論(30秒で読める要約)
- ツールの引数はモデルが生成するので、出力トークンです。 Anthropicのツール利用のページは、ツール利用で増えるトークンとして「リクエストとレスポンスの
tool_useブロック」を挙げ、料金は「生成された出力トークン数」にも基づくとしています。Claude Sonnet 5.5の単価は、入力が100万トークンあたり2ドル、出力が10ドルです。 - 出力トークンはキャッシュできません。 プロンプトキャッシュが安くするのは、再送する入力だけです。モデルが書くトークンには効かないので、出力側のトークン消費は毎回定価で払います。
- write_fileとedit_fileを実測しました。 公式Filesystemサーバーで490行のファイルの1行を直すと、
write_fileでは出力5,549トークン、edit_fileでは49トークンでした(o200k_base)。113倍の差です。edit_fileが返すdiffは入力182トークンでした。 - 料金にすると約47倍です。 1回の編集のあとにリクエストが3回続く・キャッシュなしという試算で、Sonnet 5.5なら1,000回あたり
write_fileが88.87ドル、edit_fileが1.88ドルです。Fable 5.2では355.50ドルと7.50ドルです。 - ツール間のデータの受け渡しも同じ問題です。 あるツールの結果50行を別のツールの引数に写すと、モデルの出力は2,746トークンでした。同じ受け渡しをコード実行のスクリプト1本で行うと73トークンでした。
- 大きな引数は失敗の原因にもなります。 引数が
max_tokensに収まらないと、tool_useブロックが途中で切れて応答が止まり、やり直しになります。ツール入力のストリーミングは届くのを早めるだけで、トークン数は減りません。
目次
- MCPのトークン消費でいう「出力トークン」とは
- エージェントのループで出力トークンが生まれる場所
- 実測:Filesystemサーバーのwrite_fileとedit_file
- 料金の試算:Sonnet 5.5・Opus 5.5・Fable 5.2
- 受け渡しの落とし穴:ツールの結果を別のツールに書き写す
- 料金以外の影響:max_tokensでの中断、OTPM、ストリーミング
- ファイルを丸ごと書き直したほうが安いとき
- 出力トークンが少なくて済むMCPツールの設計(コード付き)
- チェックリスト
- よくあるハマりどころ
- NodeFlareならこう解決できる
- FAQ
1. MCPのトークン消費でいう「出力トークン」とは
MCPのトークン消費における出力トークンとは、エージェントのループの中でモデルが生成するトークンのことで、本文・思考(thinking)・ツール呼び出しのJSON引数のすべてを含みます。MCPクライアントはサーバーのツールをツール定義に変換してモデルに渡し、モデルがツールを呼ぶと決めたら、ツール名と input オブジェクトを持つ tool_use ブロックを書きます。この input は、ふつうの回答と同じ生成されたテキストなので、出力として課金され、出力のレート制限にも数えられます。
入力側は、モデルが読むもの(システムプロンプト、ツール定義、会話、ツールの結果)です。多くの解説が扱うのはこちらです。出力側はトークン数では小さいことが多いものの、1トークンが高く、キャッシュが効かず、一部のツール設計では大きく膨らみます。
2. エージェントのループで出力トークンが生まれる場所
モデルが書くもののうち出力になるのは、本文・思考・ツールの引数の3つで、MCPサーバーの設計で直接変えられるのは引数だけです。
| モデルが書くもの | 課金 | 後で入力として再送されるか | 大きさを決めるもの |
|---|---|---|---|
| 本文(回答、計画) | 出力 | される(会話の一部として) | プロンプト、タスク |
| 思考・推論 | 出力 | APIと設定による | モデルの設定 |
tool_use の引数 |
出力 | される(以降のリクエストすべてで) | ツールの設計と選び方 |
3行目が高くつく理由は、Anthropicのドキュメントにある2つの事実です。
- 単価。 Anthropicの料金ページでは、100万トークンあたり、Claude Sonnet 5.5が入力2ドル・出力10ドル、Claude Opus 5.5が4ドル・20ドル、Claude Fable 5.2が8ドル・40ドルです。3モデルとも出力は入力の5倍です。
- キャッシュが効かない。 Sonnet 5.5のキャッシュヒットは100万トークンあたり0.10ドルですが、キャッシュの対象は送るプロンプトだけです。モデルが書く引数は、毎回新しい出力です。
さらに、書かれた tool_use ブロックは会話の一部になります。同じループの後続リクエストでは、ツールの結果と一緒に入力として毎回再送されます。大きな引数は、まず出力の単価で1回、その後は入力の単価で毎ターン払うことになります。逐次のツール呼び出しと並列呼び出しの記事では、これを計算式のCの項として60トークンと置きました。この記事は、そのCが数千トークンになる場合の話です。
3. 実測:Filesystemサーバーのwrite_fileとedit_file
公式のMCP Filesystemサーバーで490行のファイルを1行直すと、write_file では出力5,549トークン、edit_file では49トークンでした。
計測方法(2026年11月17日)。 @modelcontextprotocol/server-filesystem 1.0.0をstdioで起動し、MCP TypeScript SDK 1.32.2のクライアントから呼びました。許可したディレクトリに実在のJavaScriptファイルを2つコピーしました。小さいほうが89行・3,905文字、大きいほうが490行・22,559文字です。それぞれ同じ変更を3通りの方法で行い、JSONにしたツール引数(モデルが書く部分)と、ツール結果のテキスト(モデルが次に読む部分)をo200k_baseで数えました。o200k_baseはClaudeのトークナイザーではありません。Anthropicの料金ページには、Claude 4.7以降のトークナイザーは同じ文章で「約30%多くのトークン」になるとあります。数値は相対的な大きさとして読んでください。
サーバーのREADMEによると、write_file は「新しいファイルを作るか、既存のファイルを上書きする」ツールで、入力は path と content です。edit_file は oldText と newText の組のリスト edits と dryRun を受け取り、「文脈つきのGit形式のdiff」を返します。
| 変更 | ツール | 出力トークン(引数) | 入力トークン(結果) |
|---|---|---|---|
| 大きいファイル・1行 | write_file |
5,549 | 15 |
| 大きいファイル・1行 | edit_file |
49 | 182 |
| 大きいファイル・1行 | edit_file(dryRun: true) |
49 | 182 |
| 大きいファイル・離れた3行 | write_file |
5,555 | 15 |
| 大きいファイル・離れた3行 | edit_file(3件) |
150 | 484 |
| 小さいファイル・1行 | write_file |
942 | 15 |
| 小さいファイル・1行 | edit_file |
44 | 129 |
| 小さいファイル・3行 | edit_file(3件) |
112 | 342 |
数値から読み取れること:
write_fileのコストは、変更の大きさではなくファイルの大きさで決まります。 1行直しても3行直しても、大きいファイルでは約5,550トークンでした。- JSONのエスケープで約12%増えます。 大きいファイルはプレーンテキストで4,923トークン、JSON文字列にすると5,532トークンでした(改行が
\n、引用符が\"になるため)。モデルはエスケープ後の形で書く必要があります。小さいファイルでも同じく約12%でした。 edit_fileは、コストを出力から入力へ移します。 diffの結果(182トークン)は引数(49トークン)より大きいものの、入力の単価は出力の5分の1で、後のターンではキャッシュも効きます。- ドライランは丸ごと2回分です。 READMEには「適用前に必ずdryRunでプレビューする」ことがベストプラクティスとして書かれていますが、これに従うと編集1回のコスト(49+182トークン)が2倍になります。間違えると高くつく編集だけに使うのが現実的です。
- ここではツール定義の差は小さな要素です。 定義は
edit_fileが164トークン、write_fileが93トークンでした。両方を持つと、write_fileだけの場合よりリクエストごとに入力が71トークン増えますが、書き直しを1回避ければ何倍も元が取れます。
4. 料金の試算:Sonnet 5.5・Opus 5.5・Fable 5.2
490行のファイルの1行を直す場合、どのモデルでも write_file は edit_file の約47倍かかります。出力の単価が入力の単価に比例しているためです。
前提(自分で計算した試算で、実際のAPI実行ではありません)。 単価はAnthropicの料金ページの値です(100万トークンあたり、入力/出力):Sonnet 5.5が2ドル/10ドル、Opus 5.5が4ドル/20ドル、Fable 5.2が8ドル/40ドル。ツール呼び出しのあと、ループはキャッシュなしでモデルへのリクエストをk=3回続け、毎回 tool_use の引数と結果を再送するとします。1回あたりのコスト=出力 × 出力単価 +(出力+結果)× 3 × 入力単価。トークン数は3章の値です。
| 操作 | Sonnet 5.5(1,000回あたり) | Opus 5.5(1,000回あたり) | Fable 5.2(1,000回あたり) |
|---|---|---|---|
write_file・1行変更(大きいファイル) |
88.87ドル | 177.75ドル | 355.50ドル |
edit_file・1行変更 |
1.88ドル | 3.75ドル | 7.50ドル |
write_file・3行変更 |
88.97ドル | 177.94ドル | 355.88ドル |
edit_file・3件 |
5.30ドル | 10.61ドル | 21.22ドル |
1行目をSonnet 5.5で手計算すると、出力が5,549 × 10ドル ÷ 100万 = 0.05549ドル、再送が(5,549+15)× 3 × 2ドル ÷ 100万 = 0.03338ドルで、合計は1回0.08887ドル、1,000回で88.87ドルです。
表の読み方の注意:
- キャッシュで減るのは再送の部分だけです。 Sonnet 5.5のキャッシュヒットは100万トークンあたり0.10ドルなので、再送分の0.03338ドルは大きく減ります。しかし出力分の0.05549ドルはそのまま残ります。この例では
write_fileのコストの62%が出力で、キャッシュでは減らせません。 - コーディングエージェントは、これを1タスクで何度も行います。 この大きさのファイルに1行ずつの修正を
write_fileで10回行えば、出力だけで約55,000トークンです。同じファイルを読む側のコストはツールのレスポンスサイズを減らす記事で扱っています。書く側のコストがこの表です。
5. 受け渡しの落とし穴:ツールの結果を別のツールに書き写す
あるMCPツールから別のツールへデータを渡すとき、モデルはそのデータを入力として読み、もう一度出力として書きます。コード実行を使えば、その両方がなくなります。
よくある例が「今月の注文を検索して、売上シートに追記して」というタスクです。注文サーバーとスプレッドシートサーバーの2つを使う場合、素直な手順は、orders_search を呼んで行を受け取り、同じ行を引数に入れて sheets_append を呼ぶ、というものです。
計測方法。 50行の注文リスト(1行7項目:ID、メール、SKU、数量、価格、状態、日時)を作り、検索結果としての形、sheets_append の引数としての形、両方のツールを呼んで件数だけを返すコード実行スクリプトの形の3つをo200k_baseで数えました。データは試験用に作ったものです。数え方は3章と同じです。
| 方法 | 出力トークン(モデルが書く) | 入力トークン(モデルが読む) |
|---|---|---|
| 直接:行をオブジェクトのまま引数に入れる | 2,746 | 2,730(検索結果) |
| 直接:同じ行を列名+値の配列にする | 1,965 | 2,730 |
コード実行:スクリプト1本、{ appended: 50 } を返す |
73 | 6 |
最後の行のスクリプトは、ツール引数としてこれだけです。
const r = await tools.orders_search({ status: "any", created_after: "2026-11-01", limit: 50 });
await tools.sheets_append({ spreadsheet_id: "1AbCdEf", range: "Orders!A1", rows: r.orders });
return { appended: r.orders.length };
4章と同じ方法でSonnet 5.5(k=3)の料金にすると、直接の方法は 2,746 × 10ドル ÷ 100万 +(2,730+2,746)× 3 × 2ドル ÷ 100万 = 1タスク0.0603ドル、1,000タスクで60.32ドルです。スクリプトは 73 × 10ドル ÷ 100万 +(73+6)× 3 × 2ドル ÷ 100万 = 0.0012ドル、1,000タスクで1.20ドルです。ただし、スクリプトの方法にはコード実行用のツールとサンドボックスが必要で、モデルが先にツール名を検索するターンが入ることもあります。
書き写しを避けたい理由はもう1つあります。モデルは写し間違えることがあります。50行を書き直す途中で数字が1つ変われば、そのまま実データの誤りになります。スクリプトなら元の値をそのまま渡せます。
6. 料金以外の影響:max_tokensでの中断、OTPM、ストリーミング
大きなツール引数は、料金だけでなく失敗やスロットリングの原因にもなります。
| 影響 | ドキュメントの記述 | MCPにとっての意味 |
|---|---|---|
max_tokens での中断 |
応答が max_tokens に達して途中で切れ、その中に不完全な tool_use ブロックがある場合は、max_tokens を上げてリクエストをやり直す必要がある(Anthropic「Handling stop reasons」) |
5,549トークンの write_file は、max_tokens が4,096だと収まりません。途中までの出力を払い、さらに全体をもう一度払うことになります。 |
| 出力のレート制限(OTPM) | Claude Sonnet 5.5のStartティアは毎分40万出力トークン(Anthropicのレート制限ページ、2026年11月16日確認) | 組織全体で、490行のファイルの書き直しなら毎分約72回、1行の編集なら約8,160回が上限です(400,000 ÷ 5,549、÷ 49)。 |
| ツール入力のストリーミング | eager_input_streaming: true は、サーバー側でバッファや検証をせずに、生成中のツール入力をそのままクライアントに届ける。部分的または不正なJSONを受け取る可能性がある |
長い引数を待つ時間は短くなりますが、トークン数と料金は変わりません。不正なJSONへの対処も必要です。 |
出力は1トークンずつ生成されるので、5,000トークンの引数は50トークンの引数よりずっと時間がかかります。生成速度はここでは計測していないので数値は出しません。自分のトレースで、リクエストから tool_use ブロックが届くまでの時間を見れば確認できます。
7. ファイルを丸ごと書き直したほうが安いとき
ファイルの半分程度より多くを変えるなら書き直し、それより少なければ変更部分だけを送るのが目安です。
3章の数値から計算します。write_file のコストは、ファイルのトークン数の約1.13倍です(プレーンテキストにJSONエスケープの約12%が加わる)。編集のコストは、元のテキスト+新しいテキストに、パスと少しのJSONが加わったものです(3章の1行の編集では全体で49トークン)。ファイルの割合fを同じくらいの長さの文章に置き換えるなら、編集のコストはおよそ 2f × ファイルのトークン数です。2f = 1.13 とおくと f ≒ 0.56 なので、それより少ない変更なら編集のほうが出力トークンが少なく、多ければ書き直しのほうが少なくなります。
| 状況 | 安い方法 |
|---|---|
| ファイル内のどこかを数行だけ変える | 編集(edit_file、置換ツール、パッチ) |
| 小さな変更がファイル全体に散らばる | 編集。ただし数える。oldText の長い編集を20件送ると書き直しに近づく |
| ファイルの大部分を置き換える、新規ファイル | write_file |
| 名前の変更、移動 | 移動用のツール(引数はパス2つ) |
| 内容がすでに別の場所にある(テンプレート、ファイル、URL) | 内容ではなく参照を受け取るツール |
また、oldText は短く保ちます。ファイル内で一意になれば十分で、余分な文脈の行はすべて出力として払います。
8. 出力トークンが少なくて済むMCPツールの設計(コード付き)
MCPサーバーを作る側なら、変わる部分だけを送れる手段をモデルに用意し、成功時は短い確認だけを返すようにします。
| 設計のルール | トークンが減る理由 |
|---|---|
| 「オブジェクト全体を書く」ツールの隣に、置換やパッチのツールを用意する | モデルは変更部分だけを書けばよくなる |
| どちらを優先するかを説明文に書く | モデルは説明文でツールを選ぶ。「ファイルの書き直しよりこちらを優先」と書けば誘導できる |
| 内容ではなく参照(ID、パス、URL、テンプレート名)を受け取る | データはサーバーが取りに行き、モデルは短い識別子だけを書く |
| 成功時は短い確認を返し、diffは任意にする | 編集が成功するたびに182トークンのdiffではなく10トークンの「OK」で済む |
| 一括入力は詰めた形(列名+値の配列)にする | 5章では、列形式にするだけで引数が2,746から1,965トークンに減った(28%) |
失敗時は理由を具体的に書いて isError を返す |
モデルが全体の書き直しに逃げず、指定した部分を直してやり直せる |
次の置換ツールはMCP TypeScript SDK 1.32.2で書いたものです。2026年11月17日にメモリ内のトランスポートで動作を確認しました。パスや上限は自分のサーバーに合わせ、公式Filesystemサーバーのようにパスの検証も加えてください。
import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { z } from "zod";
import { readFile, writeFile } from "node:fs/promises";
const server = new McpServer({ name: "files", version: "1.0.0" });
server.registerTool(
"replace_text",
{
description:
"Replace one exact, unique snippet in a file. Send only the lines that change " +
"plus enough context to be unique. Prefer this over rewriting the file.",
inputSchema: {
path: z.string(),
old_text: z.string().min(1),
new_text: z.string(),
show_diff: z.boolean().optional(),
},
},
async ({ path, old_text, new_text, show_diff }) => {
const src = await readFile(path, "utf8");
const at = src.indexOf(old_text);
if (at === -1 || src.indexOf(old_text, at + 1) !== -1) {
return { isError: true, content: [{ type: "text",
text: at === -1 ? "old_text not found" : "old_text is not unique; add context" }] };
}
await writeFile(path, src.slice(0, at) + new_text + src.slice(at + old_text.length));
const line = src.slice(0, at).split("\n").length;
const msg = `OK: replaced 1 snippet at line ${line}` +
(show_diff ? `\n- ${old_text}\n+ ${new_text}` : "");
return { content: [{ type: "text", text: msg }] };
}
);
試したところ、成功時は OK: replaced 1 snippet at line 3 が返り、見つからない場合は isError: true と old_text not found が返りました。246行目の編集の確認メッセージは10トークン(o200k_base)で、Filesystemサーバーのdiffの182トークンと比べて大幅に小さくなります。
MCPサーバーを使うだけの立場でも、考え方は同じです。書き直すより編集できるサーバーやツールを選び、プロンプトの「必ずドライランする」といった習慣を見直し、複数ツール間のデータの受け渡しはコード実行に任せます。
9. チェックリスト
- [ ] リクエストごとの
usage.output_tokensを記録し、どのツール呼び出しで出力が多いかを把握している - [ ] 既存ファイルの修正は、
write_fileではなく編集・置換のツールで行っている - [ ]
oldTextは一意になる最小限の長さにしている - [ ] ドライランは、間違えると高くつく編集だけに使っている
- [ ] ツール間で動かすデータは、モデルの引数ではなくコード実行を通している
- [ ] 内容を作るツールは、できるだけ参照(パス、ID、テンプレート)を受け取れる
- [ ] 一括入力は詰めた形(列名+値の配列)にしている
- [ ]
max_tokensは正当なツール引数の最大サイズより大きく、stop_reason: "max_tokens"を処理している - [ ] 書き込みの成功時は短い確認を返し、diffは任意にしている
- [ ] 多数のエージェントが並行して書く場合、自分のOTPMの上限を把握している
10. よくあるハマりどころ
| 症状 | 原因 | 対処 |
|---|---|---|
| エージェントがコードを直し始めると出力トークンが急増する | write_file でファイル全体を書き直している |
編集ツールを用意するか必須にし、説明文に「編集を優先」と書く |
stop_reason: "max_tokens" で、ツール呼び出しが途中で切れる |
ツールの引数が max_tokens より大きい |
max_tokens を上げてやり直す。根本的には引数を小さくする |
| プロンプトキャッシュを有効にしたのに、料金がほとんど変わらない | コストの中心が、キャッシュで割り引かれない出力にある | 読む量だけでなく、書く量を減らす |
| 連携先のデータが元データと微妙に違う | モデルがツール間でデータを書き写した | 受け渡しをコード実行に移す |
| 編集のたびにコストが2倍になる | 「必ず先にドライラン」というプロンプトやREADMEの習慣 | ドライランはリスクの高い編集だけにする |
| 編集が失敗し、モデルが全体の書き直しに切り替える | oldText が一意でない・見つからないのに、エラーがあいまい |
具体的な isError のメッセージを返し、モデルが直せるようにする |
| ファイルを一気に生成すると429が出る | 全エージェントで共有する出力のレート制限(OTPM) | 書き込みを分散させ、引数を小さくする |
| ストリーミングで引数は早く届くが、請求額は同じ | ツール入力のストリーミングは届け方を変えるだけで、量は変えない | 待ち時間対策として使い、料金対策は引数を小さくすることで行う |
11. NodeFlareならこう解決できる
NodeFlareはMCP専用のホスティングで、GitHubリポジトリのMCPサーバーを認証つきのHTTPSエンドポイントとして動かします。プロキシには、モデルが読む量と書く量を変えるサーバー単位のスイッチが4つあります。どれもプロキシ側で適用されるので、サーバーのコードを変える必要はありません。この記事の課題に当てはめると次のとおりです。
課題1:モデルがツール間でデータを書き写す(5章)。 Code Execution(tool_code_mode)をオンにします。サーバーは run_code と search_tools を公開するようになり、モデルは tools.* を呼ぶJavaScript(注文を検索して、シートに追記する)を書き、NodeFlareがそれをサンドボックスで実行します。行はスクリプトの中でツールからツールへ渡されるので、モデルが書くのはデータではなく短いスクリプトだけです。会話に入るのもスクリプトの戻り値だけです。実行は隔離されたDenoのサブプロセスで行われ、ファイルシステム・環境変数・プロセスの起動は使えず、ネットワークはプロキシのコールバック先に限られます。既定値は、タイムアウト600秒、1回の実行あたりツール呼び出し50回まで、V8ヒープ128MBで、ツール呼び出しのたびにスコープが再確認されます。
課題2:書き込みできるツールが一覧にあると書き直しが起き、どのエージェントもその一覧を抱える。 tool_list_filter_by_scope をオンにします。tools/list は、呼び出し元のNodeFlareの認証情報で呼べるツールだけを返します(スキーマはそのまま)。たとえばスコープを tools:call:edit_file にすれば、そのエージェントは write_file を見ることなくファイルを編集できます。読み取り専用のエージェントには、書き込みツールが一切見えなくなります。
課題3:編集・一括・参照用のツールを足すと、カタログが大きくなる。 tool_search_mode をオンにします。NodeFlareはカタログを search_tools(query) と call_tool(name, args) の2つのメタツールに置き換えるので、サーバーのツールがいくつあっても、クライアントが読み込む定義はほぼ一定です。どのクライアントでも同じように働きます。検索は既定では字句検索で、GEMINI_API_KEY を設定すると意味検索になり、失敗したときは字句検索に戻ります。
課題4:自分で書いていないサーバーの説明文が長い。 tool_schema_slim は、500文字を超えるツールの説明文をUTF-8を壊さずに切り詰めます。ツール名と入力スキーマは変えません。
NodeFlareは、これらのスイッチによるトークン削減率を公表していません。5章の数値だけを使った計算例を示すと、50行の受け渡しを run_code のスクリプト1本に移せば、モデルの出力は2,746トークンから73トークンになり、Sonnet 5.5での試算は1,000タスクあたり60.32ドルから1.20ドルになります(コード実行ツール自体のオーバーヘッドは含みません)。自分のサーバーでも前後を計測してください。
最小の始め方:
- NodeFlareのダッシュボードで、MCPサーバーのGitHub URLを貼り付けます。ランタイム、トランスポート、起動コマンドは自動で検出・入力されます。
- デプロイしたら
tool_code_modeをオンにします(必要に応じてtool_list_filter_by_scopeやtool_search_modeも)。 - クライアントの接続先を
https://<your-server>.nodeflare.tech/mcpにし、Authorization: Bearer <NodeFlareのAPIキー>を付けます。
MCPサーバー1つまでは無料で試せます(Freeプラン:サーバー1つ、月30GB時間のコンピュート)。→ nodeflare.techで始める
12. FAQ
MCPのツール呼び出しの引数は出力トークンとして課金される?
はい。引数を含む tool_use ブロックはモデルが生成するので、出力トークンです。Anthropicのツール利用のページも、レスポンスの tool_use ブロックをツール利用で増えるトークンとして挙げています。Claude Sonnet 5.5では、出力は100万トークンあたり10ドル、入力は2ドルです。
MCPのツール呼び出しで、出力が入力より高くつくのはなぜ?
現行のClaudeでは出力の単価が入力の5倍で(Sonnet 5.5は10ドル対2ドル、Fable 5.2は40ドル対8ドル)、しかもプロンプトキャッシュで安くならないからです。モデルがツールの引数に書く1トークンごとに、出力の定価がかかります。
プロンプトキャッシュでツール引数のコストは下がる?
書いたあとの再送分だけです。後のターンで再送される tool_use ブロックはキャッシュで安くなりますが、最初にモデルが書くときは定価の出力です。この記事の write_file の例では、コストの62%がキャッシュでは減らせない出力でした。
MCP Filesystemサーバーのwrite_fileとedit_file、どちらが安い?
小さな変更なら edit_file です。490行のファイルの1行を直すと、write_file は出力5,549トークン、edit_file は49トークンでした(o200k_base)。edit_file が返すdiffの182トークンを足しても、はるかに安く済みます。
edit_fileの前に必ずdryRunを使うべき?
既定にする必要はありません。ドライランは本番の編集と同じdiffを返すので、編集ごとのコストが2倍になります(この記事の計測では毎回、出力49・入力182トークン)。間違えると高くつく編集に限って使うのがよいでしょう。
ツール呼び出しの途中でstop_reasonがmax_tokensになって止まるのはなぜ?
ツールの引数が max_tokens に収まらなかったからです。Anthropicのドキュメントは、max_tokens を上げてやり直すよう案内しています。長い目で見れば、全体の書き直しではなく編集ツールを使うなど、引数が小さく済むツールにするのが確実です。
ツール入力のストリーミングでMCPのトークン消費は減る?
減りません。eager_input_streaming は生成中のツール入力をそのままクライアントに届けるので、待ち時間は短くなります。出力トークン数と料金は同じで、部分的または不正なJSONを受け取る可能性があるとドキュメントは注意しています。
コード実行で出力トークンが減るのはなぜ?
モデルが短いスクリプトを1本書き、そのスクリプトが複数のツールを呼んで、データをサンドボックスの中で受け渡すからです。この記事の50行の例では、モデルは2,746トークンの行を書き写す代わりに73トークンのコードを書き、戻ってきたのは6トークンの戻り値だけでした。
ファイルを丸ごと書き直したほうが安いのはどんなとき?
ファイルの半分程度より多くを変えるときです。書き直しはファイルのトークン数の約1.13倍(JSONエスケープで約12%増える)、編集は元のテキスト+新しいテキストの分かかります。変更が約56%より少なければ、編集のほうが出力トークンは少なくなります。
MCPのツール呼び出しごとの出力トークンはどう確認する?
モデルの応答ごとに usage.output_tokens を記録し、その応答にどの tool_use ブロックが含まれていたかを合わせて見ます。出力の大半が1つの大きな tool_use ブロックで占められている応答があれば、そのツールが見直しの対象です。
ここでいう「MCPトークン」は、MCPのアクセストークンのこと?
違います。この記事はコンテキストと課金にかかわるLLMのトークンの話です。アクセストークンやAPIキーは認証情報で、セキュリティの話題になります。
まとめ
MCPのトークン消費には出力側があります。モデルが書くツールの引数はすべて出力として課金され、現行のClaudeでは入力の5倍の単価で、キャッシュも効きません。公式Filesystemサーバーでは、1行の変更に write_file で出力5,549トークン、edit_file で49トークンかかり、Sonnet 5.5での試算では1,000回あたり88.87ドル対1.88ドルでした。ツール間のデータの受け渡しも同じ構造で、コード実行を使えば数千トークンの出力が短いスクリプトになります。編集や参照を受け取るツールを選び、oldText を短くし、ドライランは必要なときだけにして、max_tokens での中断に備え、ツール呼び出しごとの output_tokens を計測しましょう。入力と出力の両方に効く手段は、MCPのトークン消費を減らすツールのランキングで比較しています。
参考資料
- Anthropic Docs: Pricing
- Anthropic Docs: Tool use overview(ツール利用の料金)
- Anthropic Docs: Handling stop reasons(不完全なtool_useブロック)
- Anthropic Docs: Fine-grained tool streaming
- Anthropic Docs: Rate limits
- MCP Filesystemサーバー(modelcontextprotocol/servers)
- MCP TypeScript SDK
- gpt-tokenizer(npm)
- NodeFlare Docs ・ NodeFlare Pricing
